| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 抑郁症的概述 | 第10-11页 |
| 1.2 脑电信号的概述 | 第11-13页 |
| 1.2.1 脑电信号的特点 | 第11-12页 |
| 1.2.2 脑电波的分类 | 第12-13页 |
| 1.3 脑电在抑郁方面的研究现状 | 第13-14页 |
| 1.4 本文的研究目的及意义 | 第14-15页 |
| 1.5 本文的组织结构 | 第15-16页 |
| 第二章 相关算法概述 | 第16-24页 |
| 2.1 特征选择 | 第16-18页 |
| 2.1.1 特征选择概述 | 第16页 |
| 2.1.2 CFS算法介绍 | 第16-18页 |
| 2.2 数据挖掘算法 | 第18-22页 |
| 2.2.1 贝叶斯信念网络（BN） | 第18-19页 |
| 2.2.2 支持向量机（SVM） | 第19-20页 |
| 2.2.3 最近邻分类器（KNN） | 第20页 |
| 2.2.4 逻辑回归（LR） | 第20-21页 |
| 2.2.5 随机森林（RF） | 第21-22页 |
| 2.3 数据处理流程 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 第三章 基于脑电的任务态和静息态的实验设计 | 第24-28页 |
| 3.1 情绪面部表情识别任务 | 第24-26页 |
| 3.1.1 实验原理及目的 | 第24页 |
| 3.1.2 被试对象 | 第24页 |
| 3.1.3 实验材料 | 第24-25页 |
| 3.1.4 实验采集流程 | 第25-26页 |
| 3.2 静息态实验任务 | 第26-27页 |
| 3.2.1 被试对象 | 第26页 |
| 3.2.2 实验采集流程 | 第26-27页 |
| 3.3 脑电数据采集 | 第27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 脑电数据预处理与特征提取 | 第28-33页 |
| 4.1 脑电信号预处理 | 第28-29页 |
| 4.1.1 情绪面部表情识别任务的脑电信号预处理 | 第28-29页 |
| 4.1.2 静息态实验任务的脑电信号预处理 | 第29页 |
| 4.2 脑电信号特征提取 | 第29-32页 |
| 4.2.1 线性特征 | 第29-30页 |
| 4.2.2 非线性动力学特征 | 第30-32页 |
| 4.3 本章小结 | 第32-33页 |
| 第五章 基于特征选择与分类算法的轻度抑郁识别研究 | 第33-43页 |
| 5.1 样本特性 | 第33页 |
| 5.2 脑电数据分类 | 第33-36页 |
| 5.3 有效特征的脑区分布 | 第36-37页 |
| 5.4 统计分析 | 第37-40页 |
| 5.5 简化的EEG系统实现 | 第40-41页 |
| 5.6 本章小结 | 第41-43页 |
| 第六章 中重度抑郁识别的有效生理指标研究 | 第43-51页 |
| 6.1 样本特性 | 第43页 |
| 6.2 单电极分类 | 第43-45页 |
| 6.3 统计分析 | 第45-50页 |
| 6.3.1 Activity和complexity特征值的脑地形图 | 第45-47页 |
| 6.3.2 Activity和complexity特征值与PHQ-9 量表分数的相关性 | 第47-50页 |
| 6.4 本章小结 | 第50-51页 |
| 第七章 总结与展望 | 第51-54页 |
| 7.1 论文的研究工作 | 第51-52页 |
| 7.2 工作展望 | 第52-54页 |
| 附录 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 在学期间的研究成果 | 第61-62页 |
| 致谢 | 第62页 |